AI-agenter med LangChain og autonome arbeidsflyter · leksjon

Feilhåndtering og trygg verktøykjøring

Gjør agentverktøy robuste og trygge ved å håndtere feil på en kontrollert måte, validere input og begrense hva verktøyene kan gjøre under autonom kjøring.

Leksjon 4 av 413 trinn

Feilhåndtering og trygg verktøykjøring er en gratis leksjon i AI-agenter med LangChain og autonome arbeidsflyter på CoddyKit. Dette er leksjon 4 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i AI-agenter med LangChain og autonome arbeidsflyter, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i AI-agenter med LangChain og autonome arbeidsflyter inneholder totalt 4 leksjoner.

Verktøy vil svikte

Agenter kaller eksterne verktøy: API-er, databaser og skall. Disse kan få tidsavbrudd, returnere feil eller oppføre seg uventet. En agent som krasjer ved første feil, er ubrukelig i produksjon.

Denne leksjonen handler om å gjøre verktøykjøring trygg og robust.

Returnere feil som observasjoner

I stedet for å utløse et unntak bør et verktøy returnere feilen som en melding agenten kan lese. Da kan agenten resonnere rundt feilen og prøve en annen fremgangsmåte.

def search(q):
    try:
        return api.search(q)
    except Exception as e:
        return 'ERROR: search failed: ' + str(e)

Validere verktøyinndata

LLM-er sender noen ganger meningsløse argumenter. Valider inndata før handlingen utføres, slik at en feilformet spørring aldri når et reelt system.

def get_user(user_id):
    if not str(user_id).isdigit():
        return 'ERROR: user_id must be numeric'
    return db.fetch(user_id)

Tidsavbrudd og nye forsøk

Legg inn tidsavbrudd for trege verktøy, og prøv forbigående feil på nytt et begrenset antall ganger. Uten grenser kan en agent henge eller gå i løkke for alltid.

for attempt in range(3):
    try:
        return call(timeout=5)
    except Timeout:
        continue
return 'ERROR: timed out after 3 attempts'

Faren ved kraftige verktøy

Et verktøy som kjører skallkommandoer eller utfører SQL, kan gjøre reell skade hvis agenten blir lurt eller forvirret. Stor makt må kombineres med begrensninger.

Minste privilegium

Gi hvert verktøy bare tilgangen det trenger. Et leseverktøy bør ikke kunne skrive. Et spørringsverktøy bør bruke en skrivebeskyttet databasetilgang.

# read-only DB connection for the query tool
conn = connect(user='reader', readonly=True)

Tillatelseslister fremfor blokkeringslister

Det er en tapende strategi å forsøke å blokkere alle farlige handlinger. Tillat i stedet bare et uttrykkelig sett med trygge operasjoner, og avvis alt annet som standard.

ALLOWED = {'read_file', 'list_dir', 'search'}
if action not in ALLOWED:
    return 'ERROR: action not permitted'

Godkjenning med menneske i loopen

Ved handlinger med stor innvirkning, som å sende penger eller slette data, må kjøringen settes på pause og kreve menneskelig bekreftelse. Agenten foreslår, mens en person godkjenner.

if action.is_destructive:
    return await request_human_approval(action)

Hindre uendelige løkker

Agenter kan bli sittende fast og prøve det samme feilende verktøyet på nytt. Begrens antallet trinn og oppdag gjentatte identiske handlinger. Stopp med en tydelig melding i stedet for å bruke tokens for alltid.

agent = initialize_agent(tools, llm, max_iterations=8)

Logging for revisjon

Registrer hvert verktøykall med inndata, utdata og resultat. Dette revisjonssporet er viktig for feilsøking av agentens atferd og for å oppdage utrygge handlinger i etterkant.

En trygg verktøyarbeidsflyt

Slik henger det sammen:

  • Returner feil som observasjoner, ikke som krasj
  • Valider inndata og begrens tidsavbrudd og nye forsøk
  • Bruk minste privilegium og tillatelseslister
  • Krev godkjenning for destruktive handlinger
  • Begrens antall iterasjoner og logg hvert kall

Kort test

Test forståelsen din av trygg verktøykjøring.

Oppsummering

Du har lært å gjøre agentverktøy robuste og trygge.

  • Presenter feil som observasjoner agenten kan håndtere
  • Valider inndata og begrens tidsavbrudd, nye forsøk og iterasjoner
  • Bruk minste privilegium og tillatelseslister
  • Krev godkjenning for destruktive handlinger og logg alt
Gratis å komme i gang

Lær deg AI-agenter med LangChain og autonome arbeidsflyter med en AI-veileder – gratis

Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.

Kurs
12
Leksjoner
50

Ofte stilte spørsmål

Er leksjonen «Feilhåndtering og trygg verktøykjøring» gratis?

Ja – hele teksten i «Feilhåndtering og trygg verktøykjøring» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av AI-agenter med LangChain og autonome arbeidsflyter-kurset, kan du oppgradere til CoddyKit PRO. Kurset i AI-agenter med LangChain og autonome arbeidsflyter inneholder totalt 4 leksjoner.

Hva lærer jeg i «Feilhåndtering og trygg verktøykjøring»?

Gjør agentverktøy robuste og trygge ved å håndtere feil på en kontrollert måte, validere input og begrense hva verktøyene kan gjøre under autonom kjøring. Du øver på AI-agenter med LangChain og autonome arbeidsflyter med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.

Trenger jeg erfaring for å begynne med AI-agenter med LangChain og autonome arbeidsflyter?

Ingen tidligere erfaring er nødvendig. AI-agenter med LangChain og autonome arbeidsflyter på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 4 av 4.

Hvor lang tid tar leksjonen «Feilhåndtering og trygg verktøykjøring»?

De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.

Kan jeg skrive og kjøre kode i denne AI-agenter med LangChain og autonome arbeidsflyter-leksjonen?

Ja. Alle AI-agenter med LangChain og autonome arbeidsflyter-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.

Alle leksjonene i dette kurset

  1. Definere og bruke verktøy
  2. Agenttyper og beslutningstaking
  3. Utnyttelse av ferdigbygde verktøysett
  4. Feilhåndtering og trygg verktøykjøring
← Tilbake til AI-agenter med LangChain og autonome arbeidsflyter